本文選題：遙感 + 支持向量機(jī)��； 參考：《農(nóng)業(yè)工程學(xué)報(bào)》2017年14期

【摘要】：為利用遙感影像數(shù)據(jù)在區(qū)域尺度上實(shí)現(xiàn)快速、準(zhǔn)確地監(jiān)測小麥白粉病的發(fā)生、發(fā)展情況,該研究基于環(huán)境與災(zāi)害監(jiān)測預(yù)報(bào)小衛(wèi)星(HJ-1A/1B)數(shù)據(jù)對地表溫度(land surface temperature,LST)進(jìn)行反演、提取4個(gè)波段反射率數(shù)據(jù)并構(gòu)建7個(gè)植被指數(shù)。耦合K-mean和Relief算法對小麥白粉病遙感特征進(jìn)行篩選。通過支持向量機(jī)(support vector machine,SVM)與小波特征(Gabor)結(jié)合SVM(Gabor SVM)的方法分別建立河北省晉州市小麥白粉病發(fā)生監(jiān)測模型,并對2種模型的監(jiān)測精度進(jìn)行對比。結(jié)果表明:歸一化植被指數(shù)(normalized difference vegetation index,NDVI)、比值植被指數(shù)(simple ratio index,SR)和地表溫度3種特征參量可較好地表征小麥白粉病的發(fā)生情況,Gabor SVM的總體精度達(dá)到86.7%,優(yōu)于SVM的80%。因此,小波分析與支持向量機(jī)結(jié)合的方法可用于基于衛(wèi)星遙感影像的大面積病害監(jiān)測,對提高病害監(jiān)測精度具有重要應(yīng)用價(jià)值。
[Abstract]:In order to quickly and accurately monitor the occurrence and development of wheat powdery mildew on the regional scale using remote sensing image data, this paper studies the inversion of land surface temperature based on environment and disaster monitoring and forecasting small satellite HJ-1A / 1B data.Four band reflectance data were extracted and 7 vegetation indices were constructed.The remote sensing features of wheat powdery mildew were screened by coupling K-mean and Relief algorithms.The monitoring models of wheat powdery mildew in Jinzhou City of Hebei Province were established by using support vector machine (SVM) and wavelet feature (SVM(Gabor) combined with SVM(Gabor (SVM), and the monitoring accuracy of the two models was compared.The results showed that the normalized difference vegetation index NDVI, the ratio vegetation index simple ratio indexSRs and the surface temperature could better characterize the occurrence of wheat powdery mildew. The overall accuracy of SVM was 86.7%, which was better than that of SVM 80%.Therefore, the combination of wavelet analysis and support vector machine can be used in large area disease monitoring based on satellite remote sensing image, and it has important application value to improve the accuracy of disease monitoring.
【作者單位】： 安徽大學(xué)安徽省農(nóng)業(yè)生態(tài)大數(shù)據(jù)工程實(shí)驗(yàn)室;中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點(diǎn)實(shí)驗(yàn)室;
【基金】：安徽省自然科學(xué)基金(1608085MF139) 安徽省科技重大專項(xiàng)(16030701091) 中國科學(xué)院國際合作局對外合作重點(diǎn)項(xiàng)目(131211KYSB20150034) 國家自然科學(xué)基金國際合作項(xiàng)目(61661136004) 國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFD0300702)
【分類號(hào)】：S435.121.46;TP79

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔海濱;楊柯;張龍;吳曉松;劉勇;王安;李慧;計(jì)敏;;基于Gabor變換的TDLAS檢測信號(hào)的降噪研究[J];光譜學(xué)與光譜分析;2016年09期

2 鄧曾;李丹;柯櫻海;吳燕晨;李小娟;宮輝力;;基于改進(jìn)SVM算法的高分辨率遙感影像分類[J];國土資源遙感;2016年03期

3 魯軍景;黃文江;張競成;蔣金豹;;基于小波特征的小麥白粉病與條銹病的定量識(shí)別[J];光譜學(xué)與光譜分析;2016年06期

4 馬慧琴;黃文江;景元書;;遙感與氣象數(shù)據(jù)結(jié)合預(yù)測小麥灌漿期白粉病[J];農(nóng)業(yè)工程學(xué)報(bào);2016年09期

5 袁瑩;王偉;褚璇;喜明杰;;光譜特征波長的SPA選取和基于SVM的玉米顆粒霉變程度定性判別[J];光譜學(xué)與光譜分析;2016年01期

6 魯軍景;黃文江;蔣金豹;張競成;;小波特征與傳統(tǒng)光譜特征估測冬小麥條銹病病情嚴(yán)重度的對比研究[J];麥類作物學(xué)報(bào);2015年10期

7 牛連強(qiáng);趙子天;張勝男;;基于Gabor特征融合與LBP直方圖的人臉表情特征提取方法[J];沈陽工業(yè)大學(xué)學(xué)報(bào);2016年01期

8 王道明;魯昌華;蔣薇薇;肖明霞;李必然;;基于粒子群算法的決策樹SVM多分類方法研究[J];電子測量與儀器學(xué)報(bào);2015年04期

9 徐涵秋;;新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J];地球物理學(xué)報(bào);2015年03期

10 陳穎頻;彭真明;賀振華;田琳;張洞君;;基于自適應(yīng)窗函數(shù)的最優(yōu)分?jǐn)?shù)域Gabor變換及其應(yīng)用(英文)[J];Applied Geophysics;2013年03期

相關(guān)博士學(xué)位論文 前2條

1 張競成;多源遙感數(shù)據(jù)小麥病害信息提取方法研究[D];浙江大學(xué);2012年

2 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學(xué)習(xí)研究[D];清華大學(xué);2004年

相關(guān)碩士學(xué)位論文 前1條

1 葉超;基于Gabor小波和SVM的人臉識(shí)別算法研究[D];中北大學(xué);2014年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李紅蓮;李飛超;高山;李小亭;;基于TDLAS的CO_2檢測系統(tǒng)測量不確定度分析與評定[J];激光雜志;2017年10期

2 王利民;劉佳;楊福剛;楊玲波;姚保民;高建孟;;基于GF-1/WFV數(shù)據(jù)的冬小麥條銹病遙感監(jiān)測[J];農(nóng)業(yè)工程學(xué)報(bào);2017年20期

3 高思培;冉艷艷;;基于Landsat-8時(shí)空數(shù)據(jù)的水體指數(shù)分析[J];西部大開發(fā)(土地開發(fā)工程研究);2017年10期

4 孫靜;;Landsat-8數(shù)據(jù)地表溫度反演單通道修正算法[J];遙感信息;2017年05期

5 霍躍華;范偉強(qiáng);孫雁宇;;瓦斯遙測關(guān)鍵技術(shù)現(xiàn)狀與發(fā)展方向[J];工礦自動(dòng)化;2017年10期

6 王琳;徐涵秋;;快速城市化下福州市的熱環(huán)境變遷[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年09期

7 謝啟姣;陳昆侖;金貴;;武漢城鎮(zhèn)化與熱島效應(yīng)的定量研究[J];測繪科學(xué);2017年09期

8 張陸唯;石玉;劉文波;;DKSVD和SVM在鋼軌裂紋漏磁識(shí)別上的對比研究[J];電子測量技術(shù);2017年09期

9 鄧睿;劉亮;徐二麗;;基于Landsat時(shí)間序列數(shù)據(jù)的重慶市熱力景觀格局演變分析[J];生態(tài)環(huán)境學(xué)報(bào);2017年08期

10 張博博;徐涵秋;胡秀娟;付偉;林中立;;福建長汀河田盆地林下水土流失區(qū)的遙感判別[J];遙感信息;2017年04期

相關(guān)博士學(xué)位論文 前10條

1 肖艷;面向?qū)ο蟮腜olSAR影像分類研究[D];吉林大學(xué);2017年

2 鄭利娟;基于高分一/六號(hào)衛(wèi)星影像特征的農(nóng)作物分類研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

3 畢超;人臉識(shí)別中若干特征優(yōu)化方法研究[D];東北師范大學(xué);2017年

4 劉俊;分布式數(shù)據(jù)處理系統(tǒng)中作業(yè)性能優(yōu)化關(guān)鍵技術(shù)研究[D];重慶大學(xué);2016年

5 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

6 黃紅兵;層次流形學(xué)習(xí)及其在監(jiān)督分類中的應(yīng)用[D];上海交通大學(xué);2015年

7 袁琳;小麥病蟲害多尺度遙感識(shí)別和區(qū)分方法研究[D];浙江大學(xué);2015年

8 田杰;基于圖像分析的小麥葉部病害識(shí)別方法研究[D];西北農(nóng)林科技大學(xué);2015年

9 樂源;基于光譜數(shù)據(jù)的植被重點(diǎn)參數(shù)反演方法研究[D];武漢大學(xué);2014年

10 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 黃維;非控環(huán)境下的人臉特征提取與分類算法研究[D];南京郵電大學(xué);2016年

2 劉歡;基于EHMM-SVM的人臉識(shí)別算法研究[D];鄭州大學(xué);2016年

3 尹政博;基于PHOG描述算子的手寫數(shù)字識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D];東北師范大學(xué);2016年

4 付瑤;具有年齡魯棒性的人臉識(shí)別算法研究[D];北京交通大學(xué);2015年

5 孔晨辰;基于加權(quán)組稀疏表示的人臉識(shí)別方法研究[D];浙江工業(yè)大學(xué);2015年

6 李洋;基于隨機(jī)森林的人臉表情識(shí)別研究[D];長春工業(yè)大學(xué);2015年

7 侯洪濤;一種課堂環(huán)境下學(xué)生表情識(shí)別系統(tǒng)的研究[D];北京工業(yè)大學(xué);2015年

8 張佳敏;基于支持向量機(jī)的表情識(shí)別應(yīng)用研究[D];重慶大學(xué);2015年

9 王鎮(zhèn);基于HOG特征的人臉表情識(shí)別算法研究[D];南京郵電大學(xué);2015年

10 劉磊;基于HOG和粒子濾波的行人檢測與跟蹤[D];合肥工業(yè)大學(xué);2015年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈文穎;李映雪;馮偉;張海艷;張?jiān)獛?謝迎新;郭天財(cái);;基于因子分析-BP神經(jīng)網(wǎng)絡(luò)的小麥葉片白粉病反演模型[J];農(nóng)業(yè)工程學(xué)報(bào);2015年22期

2 祝志慧;劉婷;馬美湖;;基于高光譜信息融合和相關(guān)向量機(jī)的種蛋無損檢測[J];農(nóng)業(yè)工程學(xué)報(bào);2015年15期

3 唐翠翠;黃文江;羅菊花;梁棟;趙晉陵;黃林生;;基于相關(guān)向量機(jī)的冬小麥蚜蟲遙感預(yù)測[J];農(nóng)業(yè)工程學(xué)報(bào);2015年06期

4 徐涵秋;;新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J];地球物理學(xué)報(bào);2015年03期

5 盛佳;洪中華;張?jiān)?袁國良;;基于TerraSAR-X影像的格陵蘭島海岸水邊線提取[J];極地研究;2014年04期

6 劉松松;張輝;毛征;孟博;李昂;;基于HRM特征提取和SVM的目標(biāo)檢測方法[J];國外電子測量技術(shù);2014年10期

7 范媛媛;桑英軍;胡光;周在進(jìn);郝云榮;;基于小波變換的電能質(zhì)量監(jiān)測[J];沈陽工業(yè)大學(xué)學(xué)報(bào);2014年06期

8 陳仁文;朱霞;徐棟霞;毛世杰;;基于改進(jìn)型粒子群算法的卡箍直徑檢測算法研究[J];儀器儀表學(xué)報(bào);2014年08期

9 周紹磊;廖劍;史賢俊;;RBF-SVM的核參數(shù)選擇方法及其在故障診斷中的應(yīng)用[J];電子測量與儀器學(xué)報(bào);2014年03期

10 張磊;邵振峰;;改進(jìn)的OIF和SVM結(jié)合的高光譜遙感影像分類[J];測繪科學(xué);2014年11期

相關(guān)博士學(xué)位論文 前1條

1 喬紅波;麥蚜和白粉病遙感監(jiān)測技術(shù)研究[D];中國農(nóng)業(yè)科學(xué)院;2007年

相關(guān)碩士學(xué)位論文 前6條

1 張惠發(fā);人臉識(shí)別的關(guān)鍵問題研究[D];吉林大學(xué);2012年

2 黃泉龍;基于PCA的人臉識(shí)別研究[D];西安電子科技大學(xué);2012年

3 朱玉石;基于DCV和SVM的人臉識(shí)別方法研究與實(shí)現(xiàn)[D];東北大學(xué);2010年

4 齊興敏;基于PCA的人臉識(shí)別技術(shù)的研究[D];武漢理工大學(xué);2007年

5 孫鑫;特征子空間法人臉識(shí)別研究[D];電子科技大學(xué);2005年

6 李剛;基于特征臉法的正面人臉識(shí)別研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2002年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 向大芳;;支持向量機(jī)云檢測方法的穩(wěn)定性分析研究[J];計(jì)算機(jī)應(yīng)用與軟件;2013年01期

2 任能;谷波;;冷壁面霜層生長的支持向量機(jī)模型[J];制冷學(xué)報(bào);2007年03期

3 趙春暉;陳萬海;萬建;;一種改進(jìn)的多類支持向量機(jī)超光譜圖像分類方法[J];智能系統(tǒng)學(xué)報(bào);2008年01期

4 曹志坤;谷波;顧眾;;基于改進(jìn)的支持向量機(jī)制冷陳列柜優(yōu)化模型[J];上海交通大學(xué)學(xué)報(bào);2009年09期

5 張紅亮;王水林;呂穎慧;尹小濤;;爆破震動(dòng)效應(yīng)的支持向量機(jī)分析預(yù)測[J];礦業(yè)研究與開發(fā);2007年04期

6 歐敏;林從謀;;支持向量機(jī)預(yù)測高邊坡爆破質(zhì)點(diǎn)振動(dòng)速度[J];金屬礦山;2011年06期

7 周建永;;支持向量機(jī)修正灰色模型在工程價(jià)格預(yù)測中的應(yīng)用[J];科技通報(bào);2013年07期

8 李波;郭鳳菊;李新軍;;一種多屬性約簡支持向量機(jī)混合分類方法[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2006年04期

9 潘翔;李潔冰;;一種基于支持向量機(jī)的目標(biāo)定位方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2006年03期

10 史秀志;董凱程;邱賢陽;陳小康;;基于支持向量機(jī)回歸爆破振動(dòng)速度預(yù)測分析[J];工程爆破;2009年03期

相關(guān)會(huì)議論文 前3條

1 侯澍e，

本文編號(hào)：1755671